據麥姆斯咨詢報道，一項新的研究表明，在睡眠期間被動監測呼吸的系統不僅可以檢測帕金森氏癥，還可以跟蹤疾病隨時間的進展。研究人員使用人工智能工具篩選來自研究參與者的大量數據，以找到識別疾病和確定疾病嚴重程度的模式。

　　“我喜歡把我們對帕金森病的理解比作夜晚的路燈；我們只有在患者到診所就診時才能面對這種疾病。此外，隨著時間的推移，我們用來追蹤疾病的方法是主觀的。”羅切斯特大學醫學中心（URMC）神經病學教授、該研究的合著者Ray Dorsey醫學博士說，“因此，我們對帕金森病如何影響人們的日常生活知之甚少。這項研究表明，遠程監測有可能識別出患有帕金森氏癥的個體，并客觀地衡量疾病的嚴重程度和進展情況。這可能是早期發現疾病并更有效地進行研究的有力工具。”

　　該研究由麻省理工學院電氣工程和計算機科學教授Dina Katabi博士主持，其研究成果發表在Nature Medicine期刊上。Katabi與URMC健康與技術中心（CHeT）的研究人員密切合作，其中包括Dorsey和神經病學助理教授Chris Tarolli醫學博士。這項研究是CHeT支持的幾個項目之一，這些項目正在探索利用遠程監控、智能手機、智能手表和其他技術改善帕金森病和其他疾病的護理和推進研究的新方法。該研究還包括來自梅奧診所、馬薩諸塞州總醫院和波士頓大學的研究人員。

　　帕金森氏癥是世界上發病率增長最快的神經系統疾病，甚至超過了阿爾茨海默氏癥，目前有超過一百萬的美國人患有這種疾病。雖然這種疾病有罕見的遺傳形式，但許多帕金森病病例可能是由于接觸某些工業化學品和殺蟲劑引起的。

　　James Parkinson博士在19世紀初首次描述這種疾病時注意到了呼吸模式的變化。因此，該項新研究從這個200年前的觀察中汲取靈感，并針對這種疾病的癥狀，試圖觀察是否可以通過分析夜間呼吸節律以及這些節律隨時間的變化，以創建帕金森氏癥的數字生物標志物。該研究采用了一種被動發射無線電信號的系統——可以捕捉呼吸模式、血管搏動和睡眠期間的肌肉運動。

　　該系統可以從受試者佩戴的呼吸帶中提取夜間呼吸信號，也可以從睡眠時從身體反彈的無線電信號中提取夜間呼吸信號。

　　研究人員招募了7687名受試者，其中包括757名帕金森氏癥患者，并記錄了這些受試者120000小時的睡眠時間。然后，麻省理工學院的研究人員使用一種稱為神經網絡的AI模型對數據進行分析，這是一系列連接的算法，可對大量數據進行分類以尋找模式。該模型能夠區分患有帕金森病的志愿者和沒有患帕金森病的志愿者。

　　目前還沒有有效的生物標志物來診斷帕金森氏癥，特別是在早期階段，也無法有效跟蹤其進展。通常，當疾病的震顫癥狀首次出現并做出診斷時，該疾病所針對的大部分產生多巴胺的神經元已經死亡。早期診斷可以使患者更早地開始治療，從而有可能阻止疾病的進展。對疾病進展的更精確測量——這可能因患者而異——也將使科學家能夠更好地測量實驗療法是否有效。經過驗證的遠程監控技術還將使研究人員能夠更廣泛地招募研究參與者，更快地衡量新療法的影響，并有望更快地找到新的有效療法。

　　編輯|：黃飛